无论是搜索引擎，还是个人或单位获取目标数据，都需要从公开网站上爬取大量数据。

网站通过一个文件（）来告诉搜索引擎哪些页面可以抓取，哪些页面不能抓取。

Robots.txt协议可以限制爬虫程序采集某些网页的数据。

robots.txt文件是（）访问网站时要查看的第一个文件，它会限制网络爬虫的访问范围。

任何一条Disallow 记录为空，都说明该网站的所有部分都允许被访问。

任何网站都会定义robots.txt 文件，能够让爬虫了解爬取网站存在着哪些限制。

爬虫需要遵循有礼貌的原则，这样才能与更多的网站建立友好关系。

如果数据市场上没有需要的数据，那么可以利用（）技术抓取网站上的数据。

为了避免访问网站的频率影响爬虫的效率，应该做哪些调整呢？

有些网页对于爬虫来说是无法抓取到的，这部分网页构成了可知网页集合。